[PDF] Exercices corrigés EXERCICE 3.14.– [Loi de





Previous PDF Next PDF



TD 3 PROCESSUS DE POISSON - CONDITIONNEMENT

PROCESSUS STOCHASTIQUES - TD 3. PROCESSUS DE POISSON - CONDITIONNEMENT GAUSSIEN. Correction des exercices 2 4



Porcessus de Poisson Exercices solutionnés

16 oct. 2000 Exercice. Considérons un processus de Poisson ' φ &' (/) : / # 0' ayant une intensité de φ 2. Déterminez la distribution conditionnelle de.



Feuille de TD 4 : Chaîne de Markov Processus de Poisson Exercice

Pour tout n ∈ IN calculer En(τR). Exercice 2. Soit Nt un processus de Poisson d'intensité λ > 0. Calculer Cov(Nt



Polytech Lyon M2 Statistique des processus Feuille 1 TD

Montrer par un calcul de fonctions caractéristiques que Xk/k converge en loi vers E(λ). Exercice 2. Soit (Nt) un processus de Poisson d'intensité λ. Pour s t 



Processus aléatoires et applications Processus aléatoires et applications

2 janv. 2019 1.6 Exercices . ... Le processus ponctuel de Poisson est un processus stochastique qui associe une distribution.



Processus de Poisson

Comme nous le verrons dans la suite les processus de Poisson temporels se subdivisent en plusieurs types. La première partie de ce travail reprend les aspects 



Université de Bordeaux Master 2 TD1 Processus de Poisson 2015

Exercice 2. Soient X et Y deux variables aléatoires indépendantes de loi exponentielle de param`etres respectifs λ et µ. 1. Donner la loi de 



Correction de la PC2

1/λ < E(Xt + Yt) = (2 − e−λt)/λ. Exercice 4. (Stt ≥ 0) est le processus de processus de Poisson de paramètre λp. De même



Devoir `a la maison no2 Le processus de Poisson

processus de Poisson (exercices 1. et 3.) et de comprendre son importance pour la modélisation de certains phénom`enes aléatoires (exer- cice 2.). Exercice 1.



Porcessus de Poisson Exercices solutionnés

16 oct. 2000 Exercice. Considérons un processus de Poisson ' ? &' (/) : / # 0' ayant une intensité de ? 2. Déterminez la distribution conditionnelle de.



Processus aléatoires et applications

2 janv. 2010 2.2 Généralités sur les processus stochastiques . ... 5 Le processus ponctuel de Poisson ... A Solution de quelques exercices.



Processus de Poisson Exercice 1: On sintéresse au nombre de

processus de Poisson homogène d'intensité ? = 5. Exercice 2: (Paradoxe de l'autobus) Pierre prend tous les matins le bus pour se rendre à l'université.



MAT-3071 Processus Stochastiques

Séance d'exercices : Jeudi 10h30-12h30 (local SH-2420) Poisson Processus de Poisson composé



EXERCICES DE CALCUL STOCHASTIQUE M2IF Evry

Equations différentielles stochastiques Corrigés. 129. 5.1 Equation Linéaire . Exercice 8.1.1 Montrer que si N est un processus de Poisson standard



MASTER ISIFAR 2`eme année Bases mathématiques de l

18 nov. 2009 Exercice 1. ... Corrigé La fonction génératrice est définie pour tout t ? 0 et vaut ... Corrigé Le processus de Poisson est un processus `a ...



Processus de Poisson

Comme nous le verrons dans la suite les processus de Poisson temporels se subdivisent en plusieurs types. La première partie de ce travail reprend les aspects 



Exercices corrigés

Quelle est la valeur de la moyenne E[N] d'une variable aléatoire N qui suit une loi Poisson(?)?. 2. On observe des clients à l'entrée d'un système. Le processus 



Correction de la PC2

Processus Aléatoires. MA 202. Correction de la PC2. Exercice loi de Poisson de paramètre ? i.e. pour tout n ? N



PROCESSUS DE POISSON : Corrigé des exercices

PROCESSUS DE POISSON : Corrigé des exercices. 1. Les arrivées d'autobus `a une station forment un processus de Poisson d'intensité.



Porcessus de Poisson Exercices solutionnØs - HEC

Porcessus de Poisson Exercices solutionnØs Genevi?ve Gauthier derni?re mise à jour : 16 octobre 2000 Exercice ConsidØrons un processus de Poisson N = fN (t) : t 0g ayant une intensitØ de = 2 DØterminez la distribution conditionnelle de l™instant ? 1 auquel survient le premier ØvØnement Øtant donnØ qu™au temps



TD - Exercices autour de la loi de Poisson

Exercice 9 { Soit (N t) un processus de Poisson et T 1 son premier instant de saut Calculer la fonction de r epartition de T 1 conditionnellement a N T = 1 { Soit Iun intervalle de [0;t] et nun entier Conditionnellement a N t = n calculer la probabilit e qu’il y ait exactement ksauts de (N t) qui aient lieu dans I Exercice 10 Soit (X t)



Processus de Poisson

1 Introduction au processus de Poisson Soit (Xn) une suite de variables al eatoires ind ep endantes et identiquement distribu ees de loi exponentielle E( ) avec > 0 Si Sn = X1 +X2 + +Xn N0 = 0 et pour tout t > 0 Nt = X1 n=1 1I(S n t); (Nt) est un processus de Poisson d’intensit e Exercice 1 Montrer que pour tout t > 0 Nt suit une loi



Processus ponctuel de Poisson - École Polytechnique

Th´eor`eme 1 2 Sous les conditions pr´ec´edentes le processus de pointage (T n) n d´e?ni par la r´eunion de {T1 n; n ? 1} et {T2 n; n ? 1} est un processus de pointage associ´e a un processus de Poisson de param`etre ?= ? 1 +? 2 D´emonstration Il su?t de remarquer que le processus de comptage Nassoci´e au processus de



LE PROCESSUS DE POISSON - univ-rennes1fr

Le processus de Poisson modélise de manière très convenable les émissions radioactives de l’uranium 235 : l’observation de son processus de désintégration -très lent- montre qu’il est stationnaireetàaccroissementsindépendants



Searches related to exercices corrigés processus de poisson PDF

Correction de l’exercice 34 : processus de Poisson et paradoxe de l’autobus MDI 101 - Probabilit es - Groupe 5 1 Soit h: Rn!R une fonction bor elienne born ee E[h(T 1;T 2;:::;T n)] = E[h(S 1;S 1 + S 2:::;S 1 + + S n)] = Z [0;+1[n h(s 1;s 1 + s 2:::;s 1 + + s n) ne (s 1+s 2+ +s n)ds 1ds 2:::ds n: On e ectue le changement de variable

Quels sont les exercices autour de la loi de poisson ?

Lyce?e Dominique Villars ECE 2 TD TD - Exercices autour de la loi de Poisson . . . Exercice 1. Dans le de?partement des Hautes-Alpes, le nombre annuel d’accidents de la route mettant en cause un camion suit la loi de Poisson de parame?tre 8. 1. Calculer la probabilite? d’avoir une anne?e plus de 2 accidents de ce type. 2.

Comment calculer le processus de poisson ?

Soit N(t) le nombre de poissons attrapés sur l’intervalle de temps [0,t]. Sous les hypothèses que le nombre de poissons dispo- nible est grand, qu’en tout instant, ils sont susceptibles de mordre à l’hameçon et que tous les pêcheurs ont la même chance d’en attraper, le processus {N(t),t? 0} peut être considéré comme un processus de Poisson.

Comment expliquer un processus de poisson dans le temps ?

En langage non mathématique, un processus de Poisson dans le temps est le processus qui est souvent le mieux adapté pour expliquer un processus "d’arrivées", ce dernier mot étant pris au sens large.

Comment faire un exercice de poisson?

Le poisson Exercices Documentaire Dessine un poisson de ton choix. Dessine bien les écailles, les nageoires, la bouche , l’ouie , et l’œil. 1-Le poisson a des écailles poils 2- Le poisson vole nage Place les mots à la bonne place.

Exercices corrigés

Dominique Pastor & Christophe Sintes

Version - 1 (Mai 2014)

Table des matières

1 Aléatoire et formalisme 3

2 Variables aléatoires et moments 17

3 Aléatoire multivarié 29

1

Introduction

Le lecteur trouvera ici les énoncés et corrigés des exercices proposés dans "Probabilités pour l"ingénieur, des fondements aux calculs" Certains des énoncés ci-dessous ont été modifiés par rapport à ceux de l"ouvrage Nous conseillons au lecteur de consulter ce livret d"énoncés et de corrigés régu- lièrement car nous proposerons de nouveaux exercices. Nous envisageons notam- ment quelques exercices ou problèmes où les calculs seront suivis de programma- tions Matlab permettant de vérifier la validité des résultats trouvés par le lecteur. Que les lecteurs intéressés n"hésitent pas à nous contacter pour nous faire part de leurs suggestions aux adresses électroniques :

Dominique.Pastor@telecom-bretagne.eu

et

Christophe.Sintes@telecom-bretagne.eu

Nous suggérons à nos éventuels correspondants de débuter le sujet de leur cour- riel par l"abbréviation PP I (p robabilitésp ourl "ingénieur),c eq uinous p ermettrade mieux identifier la nature de leur courriel. 1

Chapitre 1

Aléatoire et formalisme

EXERCICE1.1.-[Convergences monotone et dominée] nmériques positives ou nulles, sans préciser la fonction vers laquelle cette suite surables positives ou nulles, alors la limite de la suite (fn(x))n2Nexiste dansj0,1] pour toutx2R. Les notions de mesurabilité et d"intégrale s"étendent sans réelle dif- ficulté au cas des fonctions positives ou nulles à valeurs dans [0,1]. La conclusion du théorème de convergence monotone est alors inchangée :fAElimnfnest mesu- rable et : lim kZ R fkd¸AEZ R fd¸ Il faut utiliser cet énoncé plus général de la convergence monotone pour répondre aux questions suivantes. 1. S oit( gn)n2Nune suite d"applications numériques mesurables à valeurs dans [0,1[. Montrer queZ R1 X nAE1g n(x)dxAE1X nAE1Z R gn(x)dx. 2. S oit(fn)n2Nunesuited"applicationsnumériquesmesurables.Onsupposeque 1X nAE1Z R jfn(x)jdxÇ1. On poseÁ(x)AE1X nAE1jfn(x)j2[0,1] pour toutx2R. (a)

M ontrerq ue

Z R

Á(x)dxÇ1.

(b) E na dmettantque toute ap plicationint égrableest finie p resquep artout, déduire de la question précédente que 1X nAE1f n(x) converge pour presque tout réelxet queR

Rjf(x)jdxÇ 1avecf(x)AE1X

nAE1f n(x) en tout pointx 3

4PROBABILITÉS POUR L"INGÉNIEUR

où cette série converge etf(x)AE0 (par exemple) enxoù la sériePfn diverge. (c)

M ontrerqu eZ

R f(x)dxAE1X nAE1Z R fn(x)dx. Ce résultat est [RUD 87, Theo- rem 1.38, p. 29] dans le cas réel.

Solution

que somme finie d"applications mesurables. De plus, pour toutN2N,GNÊ0. Nous NR

RGN(x)dxAER

RlimNGN(x)dx. D"où le résultat, car :

Z R

GN(x)dxAENX

nAE1Z R gn(x)dx et lim NZ R

GN(x)dxAE1X

nAE1Z R gn(x)dx

2a) Par application de la question précédente, nous avons :

Z R

Á(x)dxAE1X

nAE1Z R jf(x)jdxÇ1

2b) Comme

R RÁ(x)dxÇ1,Áest finie presque partout. Il s"ensuit que pour presque toutx, la sériePfn(x) est absolument convergente et donc convergente. En tout pointxoù cette série est absolument convergente,jf(x)j ÉÁ(x) et pour tout réel xoù la sériePfn(x) diverge,f(x)AE0. CommeÁest intégrable,fest elle-aussi in- tégrable. Il suffit même de dire quefest majorée presque partout par la fonction intégrableÁ- sans même avoir à préciser une quelconque valeur pourflà où elle n"est pas majorée parÁ- pour garantir quefest intégrable.

3) Nous avonsjPNnAE1fnj ÉÁet limnPNnAE1fnAEf(presque partout). Nous sommes

donc dans les conditions de la convergence dominée dans un cas plus général que que partout au lieu d"une convergence partout. Mais cela ne change en rien les que partout dans les énoncés de la convergence montone et dominée sans que cela de la convergence dominée. Le lecteur attentif le remarquera peut-être : nous n"avons en fait pas besoin de

la question précédente pour garantir l"intégrabilité defcar cette intégrabilité est

directement garantie par la convergence dominée! Les 3 exercices suivants sont des adaptations d"énoncés que le lecteur trouvera dans [KHA 94].

EXERCICES PARTIE I5

EXERCICE1.2.-[Application de la convergence dominée] SoientaÈ1, un borélienAinclus dans [0,1[ et une application numériquefinté- grable surA:Z A jf(x)jdxÇ1. Montrer que limnZ

Anxf(x)1ÅnaxadxAE0.

Indication :justifier et utiliser le fait que, pour toutx2[0,1[,x·xaÅ1.

Solution

Six2[0,1], on axÉ1É1ÅxacarxaÊ0. SixÈ1,xÇxaÇxaÅ1. Donc, pour tout x2[0,1[,x·xaÅ1. Nous déduisons de cette inégalité quenxn axaÅ1É1. Aussi, nous

avons l"inégalité :j1A(x)nxf(x)1Ånaxaj AE1A(x)nxjf(x)j1ÅnaxaÉ jf(x)jpuisqueA½[0,1[. Comme

fest intégrable, la suite de fonctions (fn)n2Navecfn(x)AE1A(x)nxf(x)1Ånaxaest dominée par la fonction intégrablef. De plus, pour toutx2R, limn1A(x)nxf(x)1ÅnaxaAE0. D"où le résultat par application de la convergence dominée. EXERCICE1.3.-[Application de la convergence dominée]

Soita2]0,1[,

1. M ontrerqu ee¡xxa¡1est intégrable sur [0,1[; 2.

M ontrerqu e1 ÅxÉexpour toutx2R;

3.

M ontrerqu epour t outx2[0,1[, limn¡1¡xn

nAEe¡x; 4.

E ndéduir equ eli m

nZ n 0³

1¡xn

nxa¡1dxAEZ 1 0 e¡xxa¡1dx.

Solution

1) Soitf(x)AEe¡xxa¡1définie pour toutx2]0,1[. Commef(x)Ê0 pour toutx2

]0,1[, la valeur de l"intégraleR1

0f(x)dxexiste dans [0,1]. On cherche à montrer

que cette intégrale est en fait finie.

Commee¡xÉxa¡1, nous avons :

f(x)1]0,1](x)Éxa¡11]0,1](x) PourxÊ1, on axa¡1É1. Nous avons donc aussi : f(x)1[1,1](x)Ée¡x1[1,1](x)

Il s"ensuit que :

Z 1 0 f(x)dx)AEZ 1 0 f(x)dxÅZ 1 1 f(x)dxÉZ 1 0 xa¡1dxÅZ 1 1 e¡xdx(1.1) Le second terme du membre de droite dans l"inégalité précédente est évidemment fini en raison des propriétés de l"exponentielle. On peut même préciser la valeur de

6PROBABILITÉS POUR L"INGÉNIEUR

ce terme puisqu"une primitive dee¡xest¡e¡x. On a doncR1

1e¡xdxAE[¡e¡x]11AE1.

La première intégrale du membre de droite dans l"inégalité (1.1) est elle-aussi fi- nie. Pour le montrer, on peut utiliser la proposition 4.15 du livre. À titre d"exemple, nous allons faire ici une démonstration spécifique au cas considéré dans cet exer- cice, sans passer par cette proposition, afin que le lecteur s"exerce à l"emploi de applicationsgn(x)AExa¡11[1/n,1](x) pourx2]0,1]. Pour toutx2]0,1], cette suite est croissante et limngn(x)AExa¡11]0,1](x). Par application de la convergence monotone, Z 1 0 xa¡1dxAElimnZ 1

1/nxa¡1dx(1.2)

L"application qui associexa¡1à toutx2[1/n,1] est continue et bornée sur [1/n,1]. Elle est donc intégrable sur [1/n,1]. D"autre part, une primitive dexa¡1est (1/a)xa.

Nous obtenons donc :

Z 1

1/nxa¡1dxAE·1a

xa¸1

1/nAE1a

1¡1n

En reportant ce résultat dans (1.2) , nous obtenons : Z 1 0 xa¡1dxAElimn1a

1¡1n

AE1a (1.3)

On a donc :

Z1 0 f(x)dxÉ1a

Å1 (1.4)

ce qui garantit l"intégrabilité def. Avec un peu d"habitude, on peut aller beaucoup plus vite en passant vite sur les détails que nous venons de donner. Mais nous avons voulu donner ces détails pour montrer comment les différents résultats de la théorie s"articulent pour établir l"intégrabilité de la fonction considérée.

2) Il y a plusieurs façons de procéder. La plus simple est de faire un dessin. Si l"on

veut absolument faire des calculs, une solution classique consiste à considérer la fonctionh(x)AEex¡x¡1 définie pour tout réelxet à étudier le sens de variation de h. On ah0(x)AEex¡1Ê0 pourxÊ0. On en déduit quehest croissante sur [0,1[. cela implique queh(x)Êh(0) pour toutxÊ0 et commeh(0)AE0, nous obtenons le résultat voulu.

3) Nous avons³

1¡xn

nAEenln¡1¡xn . Pournassez grand, nous pouvons écrire : ln

1¡xn

AE¡xn

Åxn

"³xn avec lim t!0"(t)AE0. On a donc :³

1¡xn

nAEe¡xÅx"(x/n), d"où le résultat.

EXERCICES PARTIE I7

f n(x)AE³

1¡xn

nxa¡11]0,n](x)

Par la question 2, 1¡xn

Ée¡x/npourxÊ0. Donc, pourxÉn,¡1¡xn nÉe¡x. On a simplement versh. Nous sommes dans les conditions d"applications du théorème de la convergence dominée. D"où le résultat. EXERCICE1.4.-[Une autre application de la convergence dominée] 1.

P ourquoil"intégralecnAER

on écrire que :cnAE2R1

0gn(x)dx?

2. a) Montrer que pour tout réelx:¡1Åx2/n¢(nÅ1)/2Ê1Åx2/2. b) Montrer que l"applicationx2R7¡!11Åx2/2est intégrable. 3. O nv eutcalcul erla li mitede cnlorsquentend vers l"infini. a) Montrer que lim ngn(x)AEe¡x2/2;

Solution

1) La valeur de l"intégralecnAEZ

R gn(x)dxexiste dans [0,1[ cargnÊ0 et est mesu- rable. Commegnest paire, on acnAE2Z 1 0 gn(x)dx.

2a) On posefn(t)AE(1Åtn

)nÅ12

¡1¡t2

,tÊ0quotesdbs_dbs35.pdfusesText_40
[PDF] file d'attente exercice corrigé

[PDF] cours files d'attente pdf

[PDF] file dattente m/m/1/k

[PDF] drogues les plus consommées dans le monde

[PDF] file d'attente m/m/s

[PDF] statistique drogue 2015

[PDF] chiffre d'affaire de la drogue dans le monde

[PDF] onudc recrutement

[PDF] consommation de drogue par pays

[PDF] nombre de drogue dans le monde

[PDF] filière es matières

[PDF] filière es wikipédia

[PDF] montrer que l'action politique ne se limite pas au vote

[PDF] filière es premiere

[PDF] le répertoire de l'action politique se limite-t-il au vote ?